번아웃은 ‘개인의 문제’가 아니다 — 정신건강 데이터가 HR에 보내는 경고

직원이 “요즘 좀 힘들다”고 말할 때, 대부분의 조직은 두 가지 반응 중 하나를 보인다. EAP(근로자지원프로그램) 안내 메일을 보내거나, 아예 무시하거나. 개인적으로는 이 두 가지가 결국 같은 결과를 낳는다고 본다. 정신건강 이슈가 조직의 구조적 문제가 아닌 ‘개인의 심리적 약함’으로 분류되는 순간, 조직은 가장 비싼 비용을 치른다 — 바로 ‘조용한 이탈’과 핵심 인재의 퇴사다.

2026년 들어 글로벌 HR 커뮤니티에서 정신건강 데이터가 새로운 화두가 된 이유가 있다. 단순한 ‘복지 항목’이 아니라, 이직률·생산성·조직문화 건강성을 관통하는 선행 지표(leading indicator)로 재정의되고 있기 때문이다.

한 줄 요약: 직원 정신건강은 ‘복지 예산’이 아니라 ‘경영 데이터’다. AI 기반 조기 감지와 구조적 개입 없이는, 번아웃으로 인한 이직·생산성 손실을 막을 수 없다.

숫자가 보여주는 경고 — 번아웃은 이미 ‘상수’가 되었다

글로벌 데이터부터 보자. SHRM이 2026년 발표한 조사에 따르면, 미국 근로자 45%가 번아웃을 경험하고 있으며, 번아웃 상태의 직원이 이직할 가능성은 그렇지 않은 직원 대비 3배 높다. 정신건강 문제로 인한 연간 경제적 손실은 2,800억 달러(약 378조 원)에 달한다.

한국도 예외가 아니다. 국가통계연구원이 2025년 12월 발표한 ‘청년 삶의 질 2025’ 보고서에 의하면, 한국 청년의 번아웃 경험률은 32.2%다. 특히 취업 시장에 본격 진입하는 25~29세 구간에서 34.8%로 가장 높았고, 여성(36.2%)이 남성(28.6%)보다 현저히 높은 경험률을 보였다. 솔직히, 이 숫자는 ‘취업 전 소진’이라는 한국 특유의 구조적 문제를 그대로 드러낸다.

이 숫자들이 더 무서운 이유가 있다. SHRM의 또 다른 조사에서 근로자의 70%가 회사가 제공하는 정신건강 복리후생의 존재 자체를 모른다고 답했다. 제도는 있는데, 아무도 쓰지 않는 것이다. 이건 ‘홍보 부족’의 문제가 아니다. 제도 설계가 사용자 경험(EX)을 고려하지 않았다는 뜻이다.

이직률 집착이 놓치는 것 — 번아웃은 ‘앞단’ 지표다

많은 조직이 여전히 이직률을 인사 관리의 핵심 KPI로 삼는다. 하지만 이건 좀 아쉽다. 이직률은 결과 지표(lagging indicator)다. 직원이 퇴사 의사를 밝히는 순간에는 이미 6개월~1년 전부터 조용한 이탈(quiet quitting)이 진행된 상태다.

정신건강 데이터는 그보다 앞단에서 신호를 보낸다. SHRM Enterprise 리서치에 따르면 근로자 3명 중 1명이 “직장이 정신건강에 해롭다”고 응답했으며, Z세대에서는 그 비율이 43%까지 치솟는다. 이 수치는 단순히 ‘요즘 젊은 세대가 예민하다’로 해석할 게 아니다. 조직 내 커뮤니케이션 방식, 업무 할당 체계, 피드백 구조가 세대 변화에 적응하지 못하고 있다는 구조적 경고다.

HR인사이트 2026년 9월호에서도 같은 맥락의 문제를 짚었다. “이직률 중심 경영에서 벗어나야 한다”는 제목 아래, 구성원 몰입도·생산성·조직문화 건강성 같은 다면적 지표로의 전환을 제안했다. 핵심이다 — 이직률만 쳐다보면, 이미 떠난 사람만 세게 된다. 남아 있지만 소진된 사람은 통계에 잡히지 않는다.

투자 대비 효과 — 정신건강은 ‘비용’이 아니라 ‘수익’이다

정신건강 프로그램에 대한 가장 강력한 반론은 늘 “예산이 없다”다. 그런데 WHO와 SHRM의 데이터를 보면, 이 반론은 수학적으로 성립하지 않는다.

정신건강 지원 프로그램에 1달러를 투자하면 4달러의 경제적 효과가 돌아온다(WHO). 종합적인 정신건강 복리후생을 갖춘 조직은 그렇지 않은 조직 대비 긍정적 ROI를 달성할 가능성이 8% 높고, 직원 몰입도 향상 가능성은 13% 높다.

한국 맥락에서 생각해보자. 산업안전보건법은 이미 직장 내 괴롭힘과 정신건강을 산업안전의 영역으로 편입시키고 있고, 2025년부터 정신건강 증진이 산업안전 개선 의무의 일부로 강화되는 추세다. 한국노동연구원은 2025년 8월호 노동리뷰에서 “정신건강 증진을 통한 산업안전 개선방안”을 특집으로 다루며, 이를 단순 복지가 아닌 사업주의 안전보건 의무로 프레이밍했다. 즉, 실무적으로도 정신건강 프로그램은 ‘있으면 좋은 것’이 아니라 ‘안 하면 리스크’인 영역으로 넘어왔다.

💡 AI·도구로 측정/자동화 가능한 부분

• Pulse Survey 자동화 — Lattice·Culture Amp 등의 도구로 주 1회 익명 맥박 조사를 자동 배포하고, AI가 감성 점수 트렌드를 팀·부서별로 시각화. 급격한 하락 시 리더에게 자동 알림.
• 번아웃 조기 경보 — 근태 데이터(초과근무 시간, 연차 미사용률, 야간 메일 발송 빈도)를 대시보드로 묶으면, 개인을 특정하지 않으면서 ‘위험 팀’을 식별 가능. Workday·SAP SuccessFactors가 이 기능을 2026년 업데이트에 포함.
• EAP 이용률 자동 추적 — 현재 대부분 EAP 제공업체가 이용률 리포트를 수동으로 보내지만, API 연동으로 실시간 대시보드화하면 ‘제도 인지율 70% 미달’ 문제를 데이터로 잡을 수 있다.
• 퇴사 예측 모델에 정신건강 변수 통합 — 기존 퇴사 예측 모델이 급여·재직기간·평가 등급만 보고 있다면, 번아웃 지표(초과근무 추이, 설문 감성 점수)를 피처로 추가해 예측 정확도를 높일 수 있다.
• 복귀 지원 워크플로 자동화 — 장기 병가 후 복귀 시 단계적 업무 복귀(graduated return) 일정을 HR 시스템에서 자동 생성하고, 리더·담당자에게 체크포인트 알림을 보내는 워크플로.

이건 좀 강조하고 싶다. AI 도구를 정신건강에 적용할 때 가장 큰 함정은 ‘감시 도구’로 변질되는 것이다. 개인 식별이 아닌 팀·조직 단위 집계, 익명화 처리, opt-in 방식이 기본 전제가 되어야 한다. 한국의 개인정보보호법과 근로자 프라이버시 보호 원칙을 고려하면, ‘분석 단위를 개인이 아닌 5인 이상 팀으로 설정’하는 것이 실무적으로 안전한 기준선이다.

💡 실무 시사점: 정신건강 데이터는 이직률보다 빠른 선행 지표다. 제도를 만드는 것보다 ‘사용되는 구조’를 설계하는 것이 핵심이며, AI 도구는 감시가 아닌 ‘팀 단위 조기 감지’에 써야 한다. 1달러 투자에 4달러 효과라는 ROI 데이터는, 예산을 요청하는 HR 담당자가 경영진에게 보여줄 수 있는 가장 강력한 숫자다.

#정신건강 #번아웃 #HR데이터 #직원경험 #AI인사관리 #조기경보시스템

참고 링크

• SHRM, “Mental Health, HR and the Workplace: Addressing Burnout Crisis” (2026)
• SHRM, “Mental Health Response Programs Build Supportive Workplaces” (2026)
• HR인사이트, “직원과 조직의 성장을 함께 이루는 문화로 직원 경험 개선” (2026)
• HR인사이트, “이직률 중심 경영에서 벗어나야 한다” (2026)
• 한국노동연구원, “정신건강 증진을 통한 산업안전 개선방안” (2025)
• 국가통계연구원, “韓 청년 10명 중 3명은 ‘번아웃’ 겪었다” (2025)

작성: 서재홍 | NODE